Repolode
Enviar
tradingstrategy-ai

tradingstrategy-ai/getting-started

Notebooks Jupyter de exemplo para desenvolver e fazer backtests de estratégias de trading algorítmico com dados de DEX, DeFi e Binance CEX usando o Trading Strategy SDK.

Ver no GitHubSite
Estrelas
265
Forks
39
Issues abertas
7
Último commit
há 12 dias

Esta página apresenta um projeto de código aberto e não constitui aconselhamento de investimento. Negociar e investir pode gerar perdas: avalie o risco por conta própria e siga as leis do seu país antes de usá-lo.

O que é?

Este repositório é um kit inicial de notebooks Jupyter para o Trading Strategy SDK, um toolkit Python para criar estratégias de trading algorítmico que operam em exchanges descentralizadas e mercados DeFi. Ele aborda feeds de dados de mercado, backtests, desenvolvimento de estratégias e execução de trades ao vivo.

Os notebooks vão de estratégias simples com indicadores técnicos, como cruzamentos de médias móveis e rompimentos baseados em ATR com BTC, ETH e MATIC, a composição de portfólios com vários pares, estratégias de rendimento em DeFi e cestas de memecoins filtradas por liquidez na Uniswap e na Base. Vários exemplos comparam feeds de preços da Uniswap com dados da exchange centralizada Binance. Uma seção separada aborda busca em grade e otimizadores de Processos Gaussianos usando scikit-optimize.

O repositório pode ser executado no GitHub Codespaces, em dev containers do VS Code ou em um ambiente Python local gerenciado com Poetry. Todos os notebooks seguem uma estrutura comum: configurar o cliente, definir parâmetros, montar um universo de trading, criar indicadores, escrever uma função decide_trades, executar o backtest e analisar os resultados de desempenho.

Recursos principais

  • 01Faz backtests de estratégias com dados de pares da Uniswap v2/v3 e da Polygon, além de dados da Binance CEX.
  • 02Inclui estratégias de rompimento, médias móveis e RSI/Bollinger para um único ativo e para vários pares.
  • 03Apresenta exemplos de composição de portfólios com rebalanceamento diário e filtros de liquidez ou TVL.
  • 04Oferece busca em grade e otimizadores de Processos Gaussianos para os parâmetros das estratégias.
  • 05Exporta arquivos CSV OHLCV com os pares mais líquidos para uso em outras ferramentas de trading.

Casos de uso

  • Aprender a escrever e fazer backtests de uma estratégia de trading de cripto em notebooks Python.
  • Testar uma estratégia baseada em indicadores técnicos com dados históricos de preços de DEX ou CEX.
  • Comparar a qualidade dos dados de DEX e de exchanges centralizadas para a mesma estratégia.
  • Ajustar os parâmetros de uma estratégia com busca em grade ou otimização no estilo bayesiano.

Início rápido

  1. 1

    Abra o repositório no GitHub Codespaces pelo link do README

  2. 2

    Abra e execute um único notebook de backtest no navegador

Antes de usar

  • Nenhuma licença está especificada nos metadados do repositório.
  • O README descreve o Codespaces como lento, então configurar o ambiente local é mais rápido.

Tópicos

#algorithmic-trading#backtesting#defi#jupyter-notebook#python#pandas#ethereum#dex#solana#trading-strategies

Perguntas frequentes

O que é getting-started?
Notebooks Jupyter de exemplo para desenvolver e fazer backtests de estratégias de trading algorítmico com dados de DEX, DeFi e Binance CEX usando o Trading Strategy SDK. Este repositório é um kit inicial de notebooks Jupyter para o Trading Strategy SDK, um toolkit Python para criar estratégias de trading algorítmico que operam em exchanges descentralizadas e mercados DeFi. Ele aborda feeds de dados de mercado, backtests, desenvolvimento de estratégias e execução de trades ao vivo.
getting-started é gratuito? Qual é a licença?
getting-started não declara licença. O código é público, mas sem licença você não tem permissão explícita para reutilizá-lo; fale com o autor antes de depender dele.
getting-started ainda é mantido?
Manutenção ativa. O último commit de getting-started foi em 26 de out. de 2026.
Para que posso usar getting-started?
Aprender a escrever e fazer backtests de uma estratégia de trading de cripto em notebooks Python. Testar uma estratégia baseada em indicadores técnicos com dados históricos de preços de DEX ou CEX. Comparar a qualidade dos dados de DEX e de exchanges centralizadas para a mesma estratégia. Ajustar os parâmetros de uma estratégia com busca em grade ou otimização no estilo bayesiano.
Como instalar getting-started?
Abra o repositório no GitHub Codespaces pelo link do README Abra e execute um único notebook de backtest no navegador
Onde consigo getting-started?
O código-fonte e as instruções de instalação estão no GitHub: https://github.com/tradingstrategy-ai/getting-started

Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.

Projetos relacionados